待验证50% 置信事实精确时间
MERIT（Memory Evaluation for Realistic Instrumented Tasks）基准测试测量记忆对任务执行的实际贡献，并引入明确的成本核算机制，用于评估LLM智能体的长期记忆能力
1
来源数
50%
置信度
长期有效
时效性
2026/9/11
首次发现
来源
涉及实体
相关事实
待验证评测角色LoRA时应使用复杂提示词检验模型在全新场景中的泛化能力，而非仅测试记忆能力64% 相似待验证经过训练的LSTM（长短时记忆网络）可在毫秒级完成传统有限元分析需数小时的桥梁损伤评估63% 相似待验证编程能力的评估通常参考HumanEval、MBPP、SWE-bench等标准化基准测试，但实际工程场景表现与基准测试结果存在差异63% 相似待验证性能测试关注系统在负载压力下的响应时间、吞吐量、并发用户数及资源占用率等指标，代表工具有JMeter、Locust62% 相似待验证传统基准测试往往关注准确率和推理速度，但任务完成率和收敛稳定性在实际工程场景中同样重要甚至更为关键62% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/892953API
curl https://kongchang.com/api/v1/knowledge/claims/892953MCP
get_claim(id=892953)